面向本体的SOA构件定位机制与算法研究

针对基于构件开发的构件间相互通信。互操作和检索组装自动化等问题,以及基于Internet软构(网构软件)的大量的问题都需要解决,首先分析OWL-S和WSMO的异同以及SOA构件库构成条件;接着提出基于本体的SOA构件库定位机制,其构造一种最小二乘法最优估计的自动验证的指标体系、构件服务质量,以及构件反馈机制。建立一种定位的SOA构件库寻址和刻面分类的定位构件树模型,在此基础上,采用小生境蚁群退火遗传算法求解定位的构件树,从而最大限度实现构件自动化组装,以及实现构件的关注点分离和层次粒度的重用,最后通过实验仿真分析了定位算法的有效性。     

一种PCNN实现区域检测的图像融合方法

光学设备的有限景深造成同一场景距离不同的目标的成像效果不同,由此便产生了多聚焦图像融合问题.解决该问题的关键在于像素的分类和融合策略的选取.本文结合脉冲耦合神经网络(PCNN)模型和区域分割技术,对该问题进行尝试性研究,探讨了一种新的多聚焦图像融合算法.首先将图像的清晰度矩阵作为PCNN的输入数据,处理后得到原图像的点火映射图,然后基于映射图进行区域分割,最后根据区域分割生成融合图像.实验结果表明,该算法是有效的.     

基于区域检测的多聚焦彩色图像融合

针对在空域中基于分块的区域检测的多聚焦图像融合算法存在着对清晰部分的提取不完全的问题,对图像边缘部分无法准确提取的缺陷,本文提出一种基于非规则区域检测的彩色图像融合方法.首先将待融合的彩色图像由RGB模式转换到HSV模式,并且比较其对应的V分量图像像素点的邻域内方差的大小,将较大者标识为清晰像素,较小者标识为模糊像素;然后在此基础上根据像素邻域内的统计特征得到具有连续性和不规则性的图像的清晰区域;最后,根据多幅待融合图像的的清晰区域重构得到融合结果图像.实验结果表明,与基于分块的区域检测相比,本文所提出的方法能更为准确的提取图像的清晰部分.对比于传统的小波方法,从主观的视觉效果和客观数据分析来看,本文算法是有效的.